MétaCan
Menu
Retour à la cohorte
Enregistrement W2587248781 · doi:10.1149/2.0891704jes

Key Considerations for High Current Fuel Cell Catalyst Testing in an Electrochemical Half-Cell

2017· article· en· W2587248781 sur OpenAlexaff
Blaise A. Pinaud, Arman Bonakdarpour, Lius Daniel, Jonathan Sharman, David P. Wilkinson

Notice bibliographique

RevueJournal of The Electrochemical Society · 2017
Typearticle
Langueen
DomaineEnergy
ThématiqueElectrocatalysts for Energy Conversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésElectrolyteLimiting currentCatalysisFuel cellsElectrochemistryLimitingElectrodeCurrent (fluid)Constant currentMaterials scienceProton exchange membrane fuel cellCurrent densityDrop (telecommunication)Electrochemical cellComputer scienceChemical engineeringChemistryNanotechnologyElectrical engineeringEngineeringMechanical engineeringTelecommunicationsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

An economical and novel half-cell approach for quick and precise measurement of oxygen reduction catalysts in various practical electrode formats, including GDE and bonded GDE/membrane layers is demonstrated. Fuel cell current densities (∼1 A/cm2) were achieved with the key design considerations clearly outlined, to highlight the challenges in developing such a test platform. Constant current polarizations with IR drop measurement at each step are found to provide a simple, reproducible method of measuring catalyst performance. An optimal electrolyte concentration of 1.0 M HClO4 balances the requirement of non-limiting H+ transport at high currents whilst minimizing the effect of electrolyte impurities, which reduce Pt activity. The half-cell used here can accurately provide the ORR activity of commercial products showing good agreement with measurements made in fuel cell hardware, but at a significantly lower testing cost. This half-cell approach can be used to characterize various types of GDEs and CCMs with different catalyst layers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,256
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations107
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetElectrocatalysts for Energy ConversionTravaux en français237 207